Who’s Laughing Now? Indigenous Media and the Politics of Humor
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In Canada and the United States, satire and comedy have long been staple elements in Native cultural performances, literature, and film, and humor has found some incipient discussion in critical literature.1 In the southern part of the hemisphere, by contrast, there has been much less work on the role of humor in indigenous media.2 Theories of humor have, of course, a long genealogy in the West, usually including contributions by Aristotle, Hobbes, Kant, Freud, Bergson, Bakhtin, and so forth. I will draw on some of these authors in my readings of indigenous videos, but am not interested in a formalistic analysis of the comic mode in film. Although formalist analyses of joke-work and humor seek to understand how mirth is constituted through a given text or action, I agree with scholars such as James English, Kristina Fagan, and Jonna Mackin that humor is more productively understood, not as an utterance, but as an event—what English calls a "comic transaction"3 that is constituted by the contextual aspects of shared or contested social norms and popular cultural texts. That is not to affirm the commonplace notion that all humor is culturally or nationally specific4 and that an essay on indigenous media shall focus on what creates this specificity. Rather, I am interested in the sociopolitical dimension of what humor effects in a cultural politics of decolonization in which indigenous video partakes.KeywordsIndigenous PeopleComic ModeMayan CommunityLatin American ContextShared AffectThese keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle